Всем, кто держит у себя дома домашнего питомца, они нравятся. Однако выглядела бы любимая собака ещё более мило, если бы была другой породы? Благодаря новому инструменту от NVIDIA под названием GANimals можно оценить, выглядел бы любимый питомец ещё более симпатичным, если бы был другим животным.
Ранее в этом году специалисты NVIDIA Research уже удивили пользователей Сети своим инструментом GauGAN, позволявшим превращать грубые наброски в почти фотореалистичные изображения. Этот инструмент требовал от пользователей указывать, какие части изображения должны быть водой, деревьями, горами и другими ориентирами, выбирая подходящий цвет кисти, но GANimals работает полностью автоматически. Необходимо лишь загрузить фотографию своего питомца, и она создаст серию фотореалистичных изображений других животных, которые сохранят «выражение морды» образца.
На этой неделе в статье, представленной на Международной конференции по машинному зрению в корейском Сеуле, исследователи описали алгоритм, который разработали — FUNIT. Он расшифровывается как Few-shot, UNsupervised Image-to-image Translation. При использовании искусственного интеллекта для преобразования характеристик исходного изображения в целевое изображение искусственный интеллект, как правило, необходимо обучать на основе большой коллекции целевых изображений с различными уровнями освещённости и ракурсами камеры, чтобы получать результаты, которые выглядят реалистично. Но создание такой большой базы данных изображений занимает много времени и ограничивает возможности нейросети. Если ИИ натренирован превращать цыплят в индеек, это единственное, с чем он будет справляться хорошо.
Для сравнения: алгоритм FUNIT можно обучить, используя всего несколько изображений целевого животного, на которых он многократно практикуется. После того как алгоритм достаточно натренирован, ему достаточно только одного изображения исходного и целевого животных, которые могут быть абсолютно случайными и никогда ранее не обрабатываться и не анализироваться.
Желающие могут опробовать GANanimals на NVIDIA AI Playground, но пока результаты отличаются низким разрешением и не подходят ни для чего, кроме ознакомительных целей или удовлетворения любопытства. Исследователи надеются в конечном итоге улучшить возможности ИИ и алгоритма, так чтобы в скором времени можно было менять лица людей без опоры на огромные базы данных тщательно отобранных изображений.
